利用Resonon Pika XC2高光譜成像預(yù)測(cè)姜黃根莖中姜黃素濃度
瀏覽次數(shù):1224 發(fā)布日期:2022-4-25
來源:理加聯(lián)合
姜黃素是一種天然化合物,具有良好的抗炎、降血脂、抗氧化和抗癌等特性。姜黃素是從姜科、天南星科中一些植物的根莖中提取的一種二酮類化合物。其中,姜黃中約含姜黃素3%~6%,是植物界很稀少的具有二酮結(jié)構(gòu)的色素。了解栽培根莖中姜黃素的水平并確定高產(chǎn)品種非常重要。傳統(tǒng)上測(cè)量姜黃素是通過從新鮮根莖或干粉中將其提取出來,并使用高效液相色譜(HPLC)或紫外-可見分光光度法進(jìn)行分析。從植物材料中分離姜黃素費(fèi)事、費(fèi)力、成本高,且需要專門的實(shí)驗(yàn)室設(shè)備和有經(jīng)驗(yàn)的操作人員。而高光譜成像(HSI)是一種快速且無損的技術(shù),已成功用于土壤和農(nóng)產(chǎn)品(堅(jiān)果、水果和蔬菜)各種化學(xué)成分和質(zhì)量指標(biāo)的評(píng)估。然而,目前尚未探索使用新鮮姜黃根莖的HIS圖像來預(yù)測(cè)姜黃素。
基于此,為了填補(bǔ)研究空白,在本文中,來自澳大利亞的一組研究團(tuán)隊(duì)進(jìn)行了相關(guān)研究,旨在(1) 比較澳大利亞東部不同采樣點(diǎn)3個(gè)姜黃品種(黃色、橙色和紅色)的總姜黃素濃度和不同類姜黃素的分布;(2)評(píng)估利用可見-近紅外(Vis/NIR)光譜(400-1000 nm)建立的PLSR模型預(yù)測(cè)新鮮姜黃根莖中總姜黃素濃度的潛力。
作者在2018年11月至2019年11月,從五個(gè)研究地點(diǎn)共收集了190個(gè)樣本,以捕捉生長(zhǎng)周期的變化。利用光譜范圍為400-1000 nm,光譜采樣間隔為1.3 nm,光譜分辨率為2.3 nm的Resonon Pika XC2高光譜相機(jī)獲取樣品的高光譜圖像。掃描后,提取根莖中的姜黃素,分析其總濃度和分布。建立偏最小二乘回歸(PLSR)模型來預(yù)測(cè)總姜黃素濃度,并通過R
2和RMSE來評(píng)估模型的準(zhǔn)確度。
圖1 高光譜成像系統(tǒng)Resonon Pika XC2高光譜相機(jī)掃描姜黃根莖(a),選擇根莖肉(橫截面)(b)和皮(c)感興趣區(qū)域(ROI),用于提取每個(gè)樣品的平均光譜反射率。
圖2 實(shí)驗(yàn)設(shè)計(jì)和模型開發(fā)流程圖。
【結(jié)果】
表1 校準(zhǔn)和測(cè)試集中不同品種和采樣地的總姜黃素 (%) 濃度的描述性分析。
圖3 不同姜黃品種中三種姜黃素類化合物:雙去甲氧基姜黃素 (a)、去甲氧基姜黃素 (b) 和姜黃素 (c) 的百分比分布。
圖4 使用三個(gè)姜黃品種的原始反射光譜和根莖皮(a)與根莖肉(b)的所有可用波長(zhǎng)開發(fā)的模型;測(cè)試集中單個(gè)樣本的姜黃素(%)預(yù)測(cè)值(實(shí)心圓)(利用根莖肉模型)和測(cè)試數(shù)據(jù)集中單個(gè)樣本測(cè)量值(“×”)和偏差線(與校準(zhǔn)樣本的相似度)分布圖(c)。
表2 使用各種光譜分析技術(shù)的PLSR模型預(yù)測(cè)性能。
圖5 僅使用橙色姜黃品種的原始反射光譜和根莖皮(a)與根莖肉(b)的所有可用波長(zhǎng)開發(fā)的模型;測(cè)試集中單個(gè)樣本的姜黃素(%)預(yù)測(cè)值(實(shí)心圓)(利用根莖肉模型)和測(cè)試數(shù)據(jù)集中單個(gè)樣本測(cè)量值(“×”)和偏差線(與校準(zhǔn)樣本的相似度)分布圖(c)。
【結(jié)論】
紅色姜黃品種姜黃素最高,建議農(nóng)民可以培育該品種。本研究結(jié)果表明Vis/NIR高光譜成像結(jié)合PLSR有潛力僅使用根莖肉圖像而不是根莖皮圖像預(yù)測(cè)新鮮姜黃中的姜黃素。在收獲和清洗過程中,指狀根莖通常從母根莖中折斷,仍可銷售,因此,通過掃描從加工批次中隨機(jī)選擇的任何折斷的根莖碎片,并使用所開發(fā)的PLSR模型,可以在兩級(jí)系統(tǒng)下基于農(nóng)場(chǎng)手段對(duì)包裝根莖進(jìn)行分級(jí)。針對(duì)每個(gè)品種開發(fā)模型可以提高預(yù)測(cè)性能和可靠性。使用單一姜黃品種(橙色)開發(fā)的模型預(yù)測(cè)結(jié)果更準(zhǔn)確,預(yù)測(cè)性能和可靠性更高。波長(zhǎng)選擇(Jack knifing)進(jìn)一步改進(jìn)了這些方法,使其適用于更小、更便攜的多光譜成像系統(tǒng)。然而,在未來的研究中,應(yīng)針對(duì)每個(gè)特定品種采集更大的樣本量,并對(duì)從其他光譜區(qū)域收集的數(shù)據(jù)進(jìn)行調(diào)查。此外,該方法應(yīng)被用于預(yù)測(cè)單個(gè)姜黃素類化合物,未來新興的圖像深度學(xué)習(xí)算法可能會(huì)進(jìn)一步提高模型預(yù)測(cè)性能。
請(qǐng)點(diǎn)擊如下鏈接,閱讀原文:
https://mp.weixin.qq.com/s?__biz=MjM5NjE1ODg2NA==&mid=2650310032&idx=1&sn=18f01ae402460e5da378f1ca6611014e&chksm=bee1a96f8996207988d67e735544aa15e26988c1a3cbb97e8aef9859a4a796e09c2f2202826e&token=473735764&lang=zh_CN#rd